asr_onnxruntime语音识别模型,实现speech-to-text的转换

asr_onnx

论文

无

模型结构

算法原理

数据集

无

环境配置

在光源可拉取推理的docker镜像，在光合开发者社区可下载onnxruntime安装包。asr_onnx推荐的镜像如下：

docker pull image.sourcefind.cn:5000/dcu/admin/base/pytorch:2.1.0-ubuntu20.04-dtk24.04.1-py3.10
cd asr_onnxruntime #进入当前项目目录
docker run -d -t --privileged --device=/dev/kfd --device=/dev/dri/ --network=host --group-add video -v /opt/hyhal:/opt/hyhal:ro -v `pwd`:/mnt --name=asr-test image.sourcefind.cn:5000/dcu/admin/base/pytorch:2.1.0-ubuntu20.04-dtk24.04.1-py3.10
docker exec -it asr-test /bin/bash
cd /mnt
pip install onnx -i https://pypi.tuna.tsinghua.edu.cn/simple
pip install pysoundfile -i https://pypi.tuna.tsinghua.edu.cn/simple

下载模型 (https://models.silero.ai/models/en/en_v5.onnx) 到当前目录，建立wavs文件夹添加测试wav文件。

预训练权重快速下载中心：SCNet AIModels ，项目中的预训练权重可从快速下载通道下载：en_v5 。

推理

python3 main.py --model_dir="./en_v5.onnx" --wav_dir="./wavs/" --warmup=1
# --wav_dir:需要推理的语音路劲，如"./speech_orig.wav"；speech_orig.wav是文件夹中已经存在的语音

result

精度

暂无

应用场景

算法类别

语音识别

热点应用行业

交通,金融,医疗,教育,家居

源码仓库及问题反馈

ModelZoo / asr_onnxruntime · GitLab

参考资料

• silero-models